- Analyse des données importées
- Nettoyage des données
- Statistiques descriptives
- Analyse des composantes principales (ACP)
- Clustering
- Bonus: Wordcloud
Janvier 2019
Plan
1. Analyse des données importées
Introduction
Le dataset contient toutes les ventes émises par un magasin en ligne basé au Royaume-Uni. Le magasin vend des cadeaux uniques pour toutes les occasions.
8 variables
1. InvoiceNo: Contient le numéro de la facture
2. StockCode: Numéro d'identification du produit (C indique une annulation)
3. Description: Description du produit
4. Quantity: Quanitités de pièces commandé
5. InvoiceDate: Date de la facture avec l'heure
6. UnitPrice: Prix de l'unité en livre sterling
7. CustomerID: ID du client (NA lors de modification de stock)
8. Country: Pays destinataire
1. Analyse des données importées
Source:
Source: https://archive.ics.uci.edu/ml/datasets/Online+Retail
Période:
Du 1/12/10 08:26 au 9/12/11 12:50
Taille:
541909 lignes dans le dataset
2. Nettoyage des données
a. Données non pertinentes
1. C: Annulation
2. C2: Transport
3. D: Réductions
4. POST: Frais postaux
5. M: Ajout manuel
6. BANK CHARGES: Frais bancaire
7. PADS: Frais d'emballage
8. DOT: DOTCOM POSTAGE
9. UnitPrice < 0
10. Quantity < 0
11. CustomerID = NA
2. Nettoyage des données
b. Nombre de lignes Nettoyées
541909 lignes à la base
396337 lignes après nettoyage
391150 lignes après nettoyage et suppression des duplications
Pourcentage retiré : 27.81998 %
3. Statistiques descriptives
a. Analyse générale
i. Nombre de pays: 37 (Attention 37 + 'undefined')
ii. Nombre de factures (uniques): 18402
iii. Nombre de clients (uniques): 4334
iv. Nombre de produits (uniques): 3659
3. Statistiques descriptives
b. Analyse des ventes selon les pays
3. Statistiques descriptives
b. Analyse des ventes selon les pays
3. Statistiques descriptives
b. Analyse des ventes selon les pays
3. Statistiques descriptives
c. Analyse des ventes
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.38 157.14 301.65 474.80 463.07 168469.60
3. Statistiques descriptives
c. Analyse des ventes
Factures par mois en 2011
3. Statistiques descriptives
c. Analyse des ventes
Factures par jour en 2011
3. Statistiques descriptives
c. Analyse des ventes
Factures par heure du jour en 2011
3. Statistiques descriptives
c. Analyse des ventes
Chiffre d'affaire par mois
4.1 PCA pays
Aggrégation des données avec tous les pays
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
Matrice des corrélations
NbOfProduct Turnover NbOfCustomers NbOfInvoice NbOfProduct 1.0000000 0.8167573 0.7181459 0.8766853 Turnover 0.8167573 1.0000000 0.5298723 0.7757819 NbOfCustomers 0.7181459 0.5298723 1.0000000 0.8919510 NbOfInvoice 0.8766853 0.7757819 0.8919510 1.0000000
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
Sommaire des composants
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4
Standard deviation 1.7951395 0.6977192 0.37087114 0.20495248
Proportion of Variance 0.8286495 0.1251803 0.03536882 0.01080142
Cumulative Proportion 0.8286495 0.9538298 0.98919858 1.00000000
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
Poids des variables originales dans les composantes
Loadings:
Comp.1 Comp.2 Comp.3 Comp.4
NbOfProduct 0.516 0.207 0.816 0.155
Turnover 0.470 0.672 -0.515 0.247
NbOfCustomers 0.474 -0.687 -0.221 0.504
NbOfInvoice 0.536 -0.182 -0.138 -0.813
Comp.1 Comp.2 Comp.3 Comp.4
SS loadings 1.00 1.00 1.00 1.00
Proportion Var 0.25 0.25 0.25 0.25
Cumulative Var 0.25 0.50 0.75 1.00
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
Lien entre les composantes et les variables (axis1)
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
Lien entre les composantes et les variables (axis2)
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
Cercle de corrélation
4.1 PCA pays
Aggrégation des données avec tous les pays sauf UK
Projection des données
NULL
4.2 PCA produits
Aggrégation de tous les produits
4.2 PCA produits
Aggrégation de tous les produits
Matrice des corrélations
Quantity Purchases NbOfCustomers Avg UnitPrice
Quantity 1.00000000 0.7474641 0.61811828 -0.08826218
Purchases 0.74746408 1.0000000 0.68451970 0.04854800
NbOfCustomers 0.61811828 0.6845197 1.00000000 -0.05353721
Avg UnitPrice -0.08826218 0.0485480 -0.05353721 1.00000000
NbOfCountry 0.45721675 0.4889382 0.78839734 -0.04236737
NbOfCountry
Quantity 0.45721675
Purchases 0.48893816
NbOfCustomers 0.78839734
Avg UnitPrice -0.04236737
NbOfCountry 1.00000000
4.2 PCA produits
Aggrégation de tous les produits
Sommaire des composants
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
Standard deviation 1.7030522 1.0056865 0.8236076 0.4957014 0.40347502
Proportion of Variance 0.5802359 0.2023364 0.1357030 0.0491574 0.03256732
Cumulative Proportion 0.5802359 0.7825723 0.9182753 0.9674327 1.00000000
4.2 PCA produits
Aggrégation de tous les produits
Plot du pca
4.2 PCA produits
Aggrégation de tous les produits
Poids des variables originales dans les composants
Loadings:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
Quantity 0.487 0.535 0.685
Purchases 0.504 -0.137 0.421 -0.638 -0.377
NbOfCustomers 0.536 -0.303 -0.225 0.755
Avg UnitPrice -0.989 0.119
NbOfCountry 0.470 -0.665 0.240 -0.528
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
SS loadings 1.0 1.0 1.0 1.0 1.0
Proportion Var 0.2 0.2 0.2 0.2 0.2
Cumulative Var 0.2 0.4 0.6 0.8 1.0
4.2 PCA produits
Aggrégation de tous les produits
Lien entre les composantes et les variables (Axis1)
4.2 PCA produits
Aggrégation de tous les produits
Lien entre les composantes et les variables (Axis2)
4.2 PCA produits
Aggrégation de tous les produits
Cercle de corrélation
4.2 PCA produits
Aggrégation de tous les produits
Projection des données
NULL
5.1 Clustering des pays
Calcul du nombre de clusters (Elbow Method)
5.1 Clustering des pays
Table des clusters
1 2 3 4 24 2 2 8
Les centres des clusters
NbOfProduct Turnover NbOfCustomers NbOfInvoice 1 -0.5521902 -0.45333153 -0.3856213 -0.41757550 2 2.4050389 2.06025117 3.8117960 3.58162446 3 1.9319784 3.08121261 -0.2826544 1.23105399 4 0.5723161 0.07462864 0.2745785 0.04955689
5.1 Clustering des pays
5.1 Clustering des pays
Clusters sur base du PCA
5.2 Clustering des produits
Calcul du nombre de clusters (Elbow Method)
5.2 Clustering des produits
Table des clusters
1 2 3 4 5 10 1034 261 6 2348
Les centres des clusters
Quantity Purchases NbOfCustomers Avg UnitPrice NbOfCountry 1 12.0071871 12.20845692 4.7319949 -0.046732368 2.3980055 2 0.1480762 0.09963196 0.5012783 -0.079152150 0.8689780 3 1.7105748 1.81562237 2.5278296 -0.070607758 1.9178017 4 -0.3904298 0.34862815 -0.5670037 19.618540386 -0.6061676 5 -0.3054941 -0.29858315 -0.5204443 -0.007228267 -0.6045198
5.2 Clustering des produits
5.2 Clustering des produits
Clusters sur base du PCA
6. Bonus: Wordcloud
